[发明专利]基于先进音视频编码标准的视频监控方法及系统

说明书

技术领域

本发明属于视频监控技术领域，具体为一种基于AVS(先进音视频编码标准)的视频监 控方法及其实现系统。

背景技术

如今安全问题已经受到广泛关注，涌现了越来越多的视频监控系统，如门禁系统、考 勤系统以及身份识别系统等等。视频监控系统可以让管理人员在控制室中观察到前端防范 区域内所有人员活动情况并做记录，为保安系统提供实时的图像、声音信息。但是，传统 的视频监控系统需要大量的人力资源开销，对监控视频内容的检测、识别和理解完全依靠 人工，降低了视频监控系统的工作效率，安全性与准确性也缺乏保证，而且作为视频监控 系统核心技术的视频压缩标准目前还没有专用的数字视频监控系统视频压缩标准，在网络 传输和系统通用性上造成了比较大的问题。

发明内容

本发明的目的在于提出一种工作效率高、安全性好的视频监控方法及系统。

本发明顺应视频监控发展潮流，将自动化处理和AVS标准引入视频监控，结合背景/ 非背景分类、人脸检测与识别等技术，预先对监控视频通过计算机系统的自动处理，在保 证返回内容的有效性的前提下，反馈给操作人员的信息量将远小于传统监控系统，从而大 大节省了人力资源，同时也提高了视频监控系统的可靠性。首创利用AVS在视频监控技术 方面和专利应用优势，随着国家和地方政府大力支持对AVS的应用推广，本发明在数字监 控、门禁控制以及身份识别等应用领域有一定的应用价值。

本发明首先通过AVS网络摄像机采集按照AVS码流，使用AVS码流解码过程中的压缩 域信息来进行背景和非背景的分类。当分类结果表明当前的帧不是背景时，进行人脸检测。 当检测到人脸时，进行人脸识别，即将人脸数据进行变换后与训练数据进行比较。在识别 结果被反馈给用户之前，先计算置信度t，t表明当前识别结果的可信程度。当置信度t 小于阈值t_min时(t_min由经验数据统计获得，t_min越高则准确率越高，t_min越低则 查全率越高，通过权衡根据系统实际情况设定一个合适的t_min)，我们认为该人脸不属于 当前库中的数据，认定为陌生人，并将这个结果反馈给用户，经用户确认后将此新的人脸 添加进库中。当置信度大于等于阈值t_min时，表明识别结果有较高的可信度，然后记录 识别结果并对视频进行标注。图1是本视频监控系统的流程图，其中体现了本发明两个特 点，AVS应用和自动化处理。

具体实现的系统主要由三个部分组成，训练模块、标注模块和检索模块。

训练模块，包括监控环境背景的训练模块和人脸库的训练模块，分别实施对环境背景 训练和对人脸训练，输入为人脸样本库和背景样本库，输出为各人脸特征和背景特征。

标注模块，包括背景检测模块、人脸检测模块、人脸识别模块和索引结构建立部分， 对输入的监控视频进行自动标注。输入为训练模块得到的背景特征、人脸特征和待标注的 监控视频，输出为待标注监控视频的检索索引。

检索模块，是对指定监控视频进行检索，包括图片查询、文本查询和视频查询。输入 为指定监控视频的索引，用户提交的图片、文本或小段视频，得到用户所提交内容在监控 视频中相应的图像内容。图2所示为系统的主要组成模块、工作流程以及各个模块之间的 逻辑关系。如图所示，系统的最初输入是人脸库以及背景样本，经过训练后得到背景模型 以及人脸特征变换矩阵和人脸特征库。然后对监控视频进行标注，标注的过程首先是背景 检测，对不是背景的图像进行人脸检测，对其中出现的人脸进行特征变换并创建索引结构 下的索引。最终用户通过用户界面提交文本，图片或者视频，系统根据用户提交内容的不 同来分别进行处理，最终反馈给用户的是相关信息在监控数据中出现的位置。

下面是系统主要模块的设计：

1)背景训练模块：对输入的背景视频样本进行计算，得到背景模型。采用算法是基于 HSV颜色空间，计算各像素属于背景的取值范围。

输入：背景视频样本。

输出：背景模型，用于背景的比对。

2)人脸训练模块：对人脸库中的人脸进行处理。采用算法是fisher-face。

输入：人脸库。

输出：由人脸库中人脸数据计算得到的变换矩阵，该矩阵的目的是将输入人脸变换得 到一维向量，用以识别。在得到变换矩阵的同时输出各人脸的中心，用以识别。